基于专业培养需求的酒店管理系统设计

随着中国第三产业的快速发展和人民生活水平的迅速提高,酒店业也得到了迅速发展,与此同时,该产业的竞争也越来越激烈。为了适应社会并适应每家酒店的发展,有必要引进与之相关的专业毕业生,在这种环境下,许多学院成功地从商业学校转变为酒店管理学校,酒店管理和旅游专业在学校的不同专业中成为主要重点。因此,各个学校付出巨大的努力进行课程改革,并为该专业建立了培训基地,在建立培训基地时,重要部分是学生对流程和餐饮系统以及酒店管理的使用。酒店学习期间,每个学生都无法参与餐饮或酒店房间的实际管理过程,导致学生没有办法真正地感受管理系统的利用以及感受酒店的系统管理环节。文章对此展开了分析。     

融合信任和基于概率矩阵分解的推荐算法

针对推荐精度不准确、数据稀疏、恶意推荐的问题，提出融合信任基于概率矩阵分解（PMF）的新推荐模型。首先，通过建立基于信任的协同过滤模型（CFMTS）将改进的信任机制融入到协同过滤推荐算法中。信任值通过全局信任及局部信任计算获得，其中局部信任利用了信任传播机制计算用户的直接信任值和间接信任值得到，全局信任采用信任有向图的方式计算得到。然后，将信任值与评分相似度融合以解决数据稀疏、恶意推荐的问题。同时，将CFMTS融入到PMF模型中以建立新的推荐模型——融合信任基于概率矩阵分解模型（MPMFFT），通过梯度下降算法对用户特征向量和项目特征向量进行计算以产生预测评分值，进一步提高推荐系统的精准度。通过实验将提出的MPMFFT与经典的PMF、社交信息的矩阵分解（SocialMF）、社交信息的推荐（SoRec）、加权社交信息的推荐（RSTE）等模型进行了结果的对比和分析，在公开的真实数据集Epinions上MPMFFT的平均绝对误差（MAE）和均方根误差（RMSE）比最优的RSTE模型分别降低2.9%和1.5%，同时在公开的真实数据集Ciao上MPMFFT的MAE和RMSE比最优的SocialMF模型分别降低1.1%和1.8%，结果证实了模型能在一定程度上解决数据稀疏、恶意推荐问题，有效提高推荐质量。     

融合偏好度与网络结构的推荐算法

针对传统推荐系统追求推荐列表的准确率而忽略推荐的多样性以及数据集信息缺失等问题，提出了融合偏好度与网络结构的推荐算法。通过用户历史反馈数据分析用户偏好度，将偏好度与二部图随机游走推荐算法融合，初步得出项目推荐列表；利用用户-标签二部图，挖掘用户不跟随大众的喜好标签，得到推荐项目列表；根据模型融合得到最终的推荐结果。实验表明，新算法在保持较好精确率和召回率的情况下，有效提高了推荐的多样性。     

基于ESU图的活动社交网络用户参加活动推荐

活动社交网络(EBSNs)为用户提供了方便的组织、参加和分享社交活动的平台。该文面向EBSNs活动推荐问题,提出了包含活动(Event)、主办方(Sponsor)和用户(User)的ESU图模型,深入揭示了EBSNs的实体及其社交关系。因为用户参加活动受多个因素影响,我们提出了基于ESU图的活动推荐多因素决策模型,包括社交影响力、活动内容、活动地点及活动时间。根据ESU图特点,提出了基于双向重启随机游走算法BD-RWR的实体重要度计算方法。选取真实的EBSNs平台—豆瓣同城验证所提方法的有效性。实验结果表明,该文提出的ESU图模型及融合了多因素的活动推荐模型,与已有最新方法相比,有效地提升了用户参加活动的推荐效果。     

社会支持对工作-休闲冲突的影响研究——以酒店一线员工为例

基于现有研究成果设计社会支持和工作-休闲冲突量表,选取苏州、无锡和常州6家五星级酒店一线员工为样本对象,实证研究社会支持对其工作-休闲冲突的影响。验证性因素分析表明,主管支持、同事支持和家庭支持是社会支持的重要指标。通过构建社会支持与工作-休闲冲突的结构方程模型,发现主管支持对酒店一线员工的工作-休闲冲突具有显著负向影响,而同事支持和家庭支持影响不显著。文章最后给出了缓解酒店一线员工工作-休闲冲突的对策建议。     

基于SVD高职院校在线教学资源推荐系统

本文选择SVD为基础模型,探讨融合高职学生兴趣特征矩阵、高职课程特征矩阵等因素,建构推荐系统。并用Python引入Surprise库,使用了公开的数据集,对新构建SVD的相关模型实施了实验测试。结果表明,与传统推荐过滤方法相比,基于SVD模型的推荐结果在RMSE及MAE值有所提高。但对于该群体的课程兴趣特征,存在提取与分类的问题,在下一步研究工作中将对该算法进行改进。